Ir al contenido

🧠 PROJEKT OMEGA: MODUL „SPECIALIST AI“ (Centrum taktické inteligence)

Rozhraní je strategicky umístěno mezi "Nástroje" a "Dokumentace". Rozdělíme se na tři panely s vysokou hustotou informací.

0čtení

Strategická vize: Implementujeme hybridní umělou inteligenci (lokální/cloudovou) hluboce integrovanou do platformy. Nejde o pouhého chatbota; je to syntetický analytik kybernetické bezpečnosti s přístupem za čtení v reálném čase k infrastruktuře (databázi) a doktrinálním přístupem k znalostní knihovně (PDF).

Rozhraní je strategicky umístěno mezi „Nástroje“ a „Dokumentaci“. Budeme se dělit na tři panely s vysokou hustotou informací.

🟢 LEVÝ PANEL: OPERAČNÍ PAMĚŤ (Historie & Uchování)

Sección titulada «🟢 PANEL IZQUIERDO: MEMORIA OPERATIVA (History & Retention)»

V tomto panelu budeme spravovat minulé znalosti.

  • Seznam relací: Kompaktní karty s názvem, datem a použitým modelem.
  • Systém taktického klasifikace:
    • ⭐ Oblíbené (Priority Intel): Tlačítko hvězdy. Připneme konverzaci na vrchol. Užitečné pro aktivní vyšetřování.
    • 🔒 Perzistence (Permanentní zámek): Toggle Switch (Přepínač) v každém chatu.
      • Stav ON: Chat bude zabezpečen. Ignorujeme pravidla automatického mazání.
      • Stav OFF: Chat bude pomíjivý.
  • Konfigurace uchování (Data Lifecycle):
    • Posuvník nebo číselné vstup: „Samočinné zničení nechráněných chatů po: [ 7 ] dnech“.
    • Tlačítko „Vyčistit nyní“: Manuální čištění mezipaměti.

⚫ CENTRÁLNÍ PANEL: OPERAČNÍ STŘEDISKO (The Chat Interface)

Sección titulada «⚫ PANEL CENTRAL: SALA DE GUERRA (The Chat Interface)»

Hlavní interakční oblast. Styl „Moderní terminál“ (tmavé barvy, monospaced fonty pro kód).

  • Oblast výstupu (Stream):
    • Úplné vykreslování Markdown (tabulky, seznamy, bloky kódu s tlačítkem pro kopírování).
    • Citace zdrojů: Když AI používá dokument, zobrazí se malý klikatelný štítek: [Ref: MANUAL_3.2_BLIND_SQLI.pdf, pág 4].
    • Důkazy o datech: Při dotazování na DB zobrazíme vygenerovaný SQL dotaz v rozbalovací nabídce: [▶ Ver Query SQL].
  • Oblast vstupu (Příkazová řádka):
    • Multiliní textový prompt.
    • Tlačítko „Přiložit aktuální kontext“ (odešleme aktuálního stavu aktivního skenování).
  • Výběr motoru (Spodní pravý roh):
    • Diskrétní, ale zásadní rozbalovací seznam v pravém dolním rohu.
    • Možnosti:
      • 🔒 LOCAL: OMEGA BRAIN (Llama-3 / Mistral) -> Bez nákladů, úplné soukromí, pomalé.
      • ☁️ ONLINE: GOOGLE GEMINI 1.5 FLASH -> Extrémní rychlost, střední uvažování.
      • 🧠 ONLINE: GOOGLE GEMINI 1.5 PRO -> Komplexní uvažování, vyšší latence.

Zde definujeme, KDO nám odpovídá.

  • Výběr agenta (Osoba):
    • Výchozí: “Generalista Red Team”.
    • Vlastní 1: “Dr. SQL Injection” (Prompt zaměřený 100% na naše SQLi manuály).
    • Vlastní 2: “Analytik infrastruktury” (Zaměřeno na Nmap a služby).
  • Indikátory připojení (Stav):
    • 📚 Docs Indexados: 14 PDFs (Stav Vector Store).
    • 🗄️ DB Connection: ACTIVE (Stav Text-to-SQL).

Aby byla AI užitečná, musíme „propojit teoretické poznatky“ (PDF) s realitou (DB).

A. Dokumentový subsystém (Vektorový RAG)

Sección titulada «A. Subsistema Documental (RAG Vectorial)»

AI PDF „nečte“ pokaždé. Použijeme vektorovou databázi (ChromaDB).

  1. Ingestace: Při nahrávání PDF do /docs rozdělíme systém na „chunks“ (části) o délce 500 znaků.
  2. Embedding: Text převedeme na numerické vektory.
  3. Vyhledávání: Když se zeptáme „Jak provedeme OOB útok?“, systém vyhledá v manuálech matematicky podobné vektory a předá je AI jako skrytý kontext.

AI má oprávnění k čtení nmap_intel.db.

  1. Schema Awareness: AI ví, že existuje tabulka hosts se sloupci ip, os a services.
  2. Překlad:
    • Uživatel: „Řekni mi, které stroje mají Windows a otevřený port 445.“
    • AI (Interní): SELECT ip FROM hosts JOIN services ON hosts.id=services.host_id WHERE os LIKE '%Windows%' AND port=445;
  3. Odpověď: AI obdrží JSON z databáze a odpoví nám v přirozeném jazyce.

Malý předběžný klasifikátor rozhodne o tom, který subsystém se má aktivovat:

  • Ptejeme se na teorii? -> Aktivujeme RAG (PDF).
  • Ptejeme se na cíle/aktuální stav? -> Aktivujeme SQL (DB).
  • Ptejeme se smíšeně? -> Aktivujeme oba.

Umožníme vytvářet „profily systému“ uložené v JSON.

Příklad: Profil „Inkvizitor SQLi“

{
"name": "SQL Injection Specialist",
"model_preference": "cloud_gemini_pro",
"temperature": 0.2,
"system_prompt": "Eres un experto en explotación de bases de datos. Tu conocimiento se basa ESTRICTAMENTE en los manuales RED_TEAM_OPS proporcionados. Ignora cualquier vulnerabilidad que no sea SQLi. Si el usuario pregunta por XSS, responde brevemente y redirige a SQLi. Prioriza técnicas de evasión de WAF.",
"access_scope": ["docs_folder_sqli", "db_table_vulnerabilities"]
}

Budeme muset rozšířit naši SQLite databázi (nmap_intel.db), aby podpořila tuto pokročilou logiku.

-- Tabla para gestionar las sesiones de chat
CREATE TABLE ai_conversations (
id TEXT PRIMARY KEY, -- UUID
title TEXT, -- Generado por la IA o manual
agent_profile TEXT, -- 'general', 'sqli_expert', etc.
model_used TEXT, -- 'local_llama3', 'cloud_gemini'
is_favorite BOOLEAN DEFAULT 0, -- ⭐ La Estrellita
is_permanent BOOLEAN DEFAULT 0, -- 🔒 El Candado (Toggle)
created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
last_updated DATETIME
);
-- Tabla para los mensajes individuales
CREATE TABLE ai_messages (
id INTEGER PRIMARY KEY AUTOINCREMENT,
conversation_id TEXT,
role TEXT, -- 'user', 'assistant', 'system'
content TEXT, -- El texto del mensaje
context_sources TEXT, -- JSON: Qué PDFs o Tablas se usaron para esta respuesta
FOREIGN KEY(conversation_id) REFERENCES ai_conversations(id) ON DELETE CASCADE
);
-- Tabla para configuración global
CREATE TABLE ai_config (
key TEXT PRIMARY KEY,
value TEXT
-- Ej: 'retention_days' = '30'
);
  1. Operátor (My): Vstoupíme do „Specialist AI“. Vybereme agenta „Recon Master“. Aktivujeme model „Gemini Flash“.
  2. Otázka: Napíšeme: „Analyzujeme aktuální cíle. Vidíme nějaký vzorec naznačující starý vývojový server? Naši odpověď založíme na manuálu OPSEC.“
  3. Proces (Backend):
    • Router vybere potřebu DB (pro zobrazení cílů) a DOCS (pro manuál OPSEC).
    • Spustíme SELECT * FROM services WHERE version LIKE '%dev%' OR version LIKE '%beta%'.
    • Budeme hledat vektory v PROTOCOLO_OMEGA_OPSEC.md.
    • Vše odešleme do Gemini Flash.
  4. Odpověď:
    • „Detekovali jsme host 192.168.1.55 spouštějící ‚Apache Tomcat 7.0-beta‘. Podle ‚Protokolu Omega Opsec‘ (str. 3) mají beta servery obvykle výchozí přihlašovací údaje a podrobné (verbose) logování. Doporučujeme okamžitý brute-force útok.“
  5. Správa: Odpověď se nám bude líbit. Označíme ji hvězdičkou ⭐ a aktivujeme zámek 🔒, aby tento nález nikdy nebyl smazán.